AI可可AI生活 - 节目列表

你有没有想过，AI也会陷入“高水平重复”的舒适区陷阱？学习新知识后，它为什么会像我们一样“健忘”？本期节目，我们将通过几篇最新的AI论文，揭示如何让AI从一个只会“死记硬背”的学霸，进化成一个懂得“举一反三”、甚至会“团队作战”的智慧伙伴，探索让AI真正变得更聪明、更高效的秘密。 00:00:27 你是在“精进”，还是在“高水平地重复”？ 00:04:49 AI上课后，为什么反而把以前会的给忘了？ 00:11:08 让AI左右互搏，速度翻倍的秘密 00:16:02 你的“人工智障”客服，终于有救了？ 00:22:16 AI进化论，从“二选一”到“团战”的效率革命 本期介绍的几篇论文： [LG] Beyond Distribution Sharpening: The Importance of Task Rewards [Mila] https://arxiv.org/abs/2604.16259 --- [CL] Why Fine-Tuning Encourages Hallucinations and How to Fix It [Hebrew University of Jerusalem & Technion – Israel Institute of Technology & University of Illinois Urbana-Champaign] https://arxiv.org/abs/2604.15574 --- [LG] Faster LLM Inference via Sequential Monte Carlo [Cornell University & MIT] https://arxiv.org/abs/2604.15672 --- [CL] PolicyBank: Evolving Policy Understanding for LLM Agents [Google Cloud] https://arxiv.org/abs/2604.15505 --- [CL] GroupDPO: Memory efficient Group-wise Direct Preference Optimization [CMU & Google Deepmind & Google] https://arxiv.org/abs/2604.15602

你有没有想过，让AI学会“做白日梦”去预演触感，竟然能让它的动手能力提升90%？我们常说的“深度思考”，在AI那里可能只是一种高效的“循环播放”。本期节目，我们将从几篇最新的AI论文出发，一起探寻AI如何像高手一样进行“跨界”经验调用，看看AI界的“秦始皇”又是如何通过“统一度量衡”，为智能体打造一个强大的行动底座，揭开那常常被我们忽视的、冰山下的98%。 00:00:34 学会“做白日梦”，才能把活儿干好 00:05:23 AI的冰山，我们看不见的那98% 00:11:19 AI的“深度思考”，原来是“循环播放”？ 00:16:46 高手，都善于“跨界”调用经验 00:23:38 AI 界的“秦始皇”，如何统一智能体的“度量衡”？ 本期介绍的几篇论文： [RO] Learning Versatile Humanoid Manipulation with Touch Dreaming [CMU] https://arxiv.org/abs/2604.13015 --- [AI] Dive into Claude Code: The Design Space of Today's and Future AI Agent Systems [Mohamed bin Zayed University of Artificial Intelligence] https://arxiv.org/abs/2604.14228 --- [LG] A Mechanistic Analysis of Looped Reasoning Language Models [University of Oxford & Mila] https://arxiv.org/abs/2604.11791 --- [LG] Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents [KAIST] https://arxiv.org/abs/2604.14004 --- [AI] UniToolCall: Unifying Tool-Use Representation, Data, and Evaluation for LLM Agents [University of Science and Technology of China & Eastern Institute of Technology] https://arxiv.org/abs/2604.11557

你有没有想过，一个真正聪明的AI，应该具备哪些超能力？本期节目，我们将一口气看懂五篇最新的AI论文。我们将一起探索，如何不靠“堆肌肉”，而是通过精巧的“循环”让AI学会深度思考；如何只改变一个训练目标，就教会AI“从未来倒推现在”的逆向思维；以及为什么AI既是“短跑健将”，却又在“马拉松”任务中频频掉链子。更进一步，我们还会揭示AI“自我进化”的秘密——如何把自己犯过的错变成下一步的垫脚石，以及为何“成大事者，不靠记忆靠遗迹”。准备好了吗？让我们一起开启这场关于AI智慧的深度探索之旅！ 00:00:45 人工智能的“内功”心法 00:05:41 教AI做事，为什么不能只看眼前？ 00:10:24 为什么AI既聪明，又“靠不住”？ 00:14:54 高手精进的秘密，如何把自己犯过的错，变成下一步的垫脚石 00:20:49 成大事者，不靠记忆靠“遗迹” 本期介绍的几篇论文： [LG] Parcae: Scaling Laws For Stable Looped Language Models [University of California, San Diego] https://arxiv.org/abs/2604.12946 --- [LG] How Transformers Learn to Plan via Multi-Token Prediction [University of California, Los Angeles & Shanghai Jiao Tong University] https://arxiv.org/abs/2604.11912 --- [LG] LongCoT: Benchmarking Long-Horizon Chain-of-Thought Reasoning [University of Oxford & Lawrence Livermore National Laboratory (LLNL)] https://arxiv.org/abs/2604.14140 --- [CL] Self-Distillation Zero: Self-Revision Turns Binary Rewards into Dense Supervision [Princeton University] https://arxiv.org/abs/2604.12002 --- [CL] Toward Autonomous Long-Horizon Engineering for ML Research [Renmin University of China] https://arxiv.org/abs/2604.13018

你有没有想过，最聪明的决策，也许是先用最小的力气排除所有错误选项？当AI变得越来越话痨时，我们该如何给它请一位“效率教练”？为了把强大的AI装进你的手机，科学家又想出了怎样统一又精简的“节食计划”？本期节目，我们将通过几篇最新论文，一起探讨AI如何学会“先探路再铺路”的决策智慧，如何治好自己的“路痴”毛病，甚至如何掌握“动态开关”这门最高级的偷懒艺术。 00:00:33 聪明人的偷懒指南，如何用最少的力气，走最对的路？ 00:07:16 AI话痨怎么办？聪明还得会省钱 00:12:27 AI的“节食计划”，如何在你的手机里装下一个图书馆？ 00:17:42 大模型越来越聪明，为什么还是个“路痴”？ 00:22:45 为什么说，最高级的AI，必须学会“偷懒”？ 本期介绍的几篇论文： [CL] Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning [INRIA Lille & Google DeepMind] https://arxiv.org/abs/2604.14974 --- [CL] CROP: Token-Efficient Reasoning in Large Language Models via Regularized Prompt Optimization [Google LLC & Purdue University] https://arxiv.org/abs/2604.14214 --- [IR] A Unified Model and Document Representation for On-Device Retrieval-Augmented Generation [University of Massachusetts Amherst & Google] https://arxiv.org/abs/2604.14403 --- [CL] Shuffle the Context: RoPE-Perturbed Self-Distillation for Long-Context Adaptation [Georgia Institute of Technology & Microsoft] https://arxiv.org/abs/2604.14339 --- [CL] Compressed-Sensing-Guided, Inference-Aware Structured Reduction for Large Language Models [UC Berkeley] https://arxiv.org/abs/2604.14156

你有没有想过，一个学得更久的AI“尖子生”，为什么反而忘得更快？或者，想让AI更懂英语，最好的方法竟然是教它别的语言？本期节目，我们将一口气解锁五篇最新论文带来的“反常识”洞见。我们会发现，决定AI效率的瓶颈可能不是算力而是“管理”，与AI对话的成本可以靠一本“字典”轻松打个二折，而一个好的AI模拟世界，追求的不是“长得像”，而是“反应像”。 00:00:32 大模型训练的悖论，为什么学得越久，忘得越快？ 00:06:02 AI的效率瓶颈，不是算力，是“管理” 00:12:33 想让AI更懂英语？那就别只喂它英语 00:18:46 跟AI对话，如何省下80%的话费？ 00:24:39 你的“差不多”不是我的“差不多”，如何让AI的模拟世界更靠谱？ 本期介绍的几篇论文： [LG] All elementary functions from a single binary operator [Jagiellonian University] https://arxiv.org/abs/2603.21852 --- [LG] Sample Complexity of Autoregressive Reasoning: Chain-of-Thought vs. End-to-End [Purdue University & The Hebrew University & Technion and Google Research] https://arxiv.org/abs/2604.12013 --- [CL] Continuous Knowledge Metabolism: Generating Scientific Hypotheses from Evolving Literature [Central University of Finance and Economics & Beijing Institute of Technology & TsingyuAI] https://arxiv.org/abs/2604.12243 --- [CL] LoSA: Locality Aware Sparse Attention for Block-Wise Diffusion Language Models [UC Berkeley] https://arxiv.org/abs/2604.12056 --- [LG] The Linear Centroids Hypothesis: How Deep Network Features Represent Data [Rice University & Google Research & Brown University] https://arxiv.org/abs/2604.11962

你有没有想过，整个科学计算器也许只需要两个按键就能实现？或者，AI偷懒的秘诀竟是只用20%的精力，就能完成90%的工作？最新的一些研究，正从这些奇妙的角度，刷新我们对智能、效率和知识的认知。今天，我们将一起看看AI如何只用一个“创世积木”构建整个数学世界，如何像做CT一样看清自己的“脑回路”，并揭示过程和结果哪个才是学习的关键。准备好，一场思维风暴马上开始！ 00:00:36 你的科学计算器，其实只需要两个键 00:05:01 学会一个本事，过程和结果哪个更重要？ 00:13:05 如何像高手一样，“看见”知识的未来？ 00:19:31 AI偷懒的艺术，为什么只做20%的工作，能得到90%的结果？ 00:25:08 给AI大脑做CT，我们找到了更清晰的脑回路图 本期介绍的几篇论文： [LG] All elementary functions from a single binary operator [Jagiellonian University] https://arxiv.org/abs/2603.21852 --- [LG] Sample Complexity of Autoregressive Reasoning: Chain-of-Thought vs. End-to-End [Purdue University & The Hebrew University & Technion and Google Research] https://arxiv.org/abs/2604.12013 --- [CL] Continuous Knowledge Metabolism: Generating Scientific Hypotheses from Evolving Literature [Central University of Finance and Economics & Beijing Institute of Technology & TsingyuAI] https://arxiv.org/abs/2604.12243 --- [CL] LoSA: Locality Aware Sparse Attention for Block-Wise Diffusion Language Models [UC Berkeley] https://arxiv.org/abs/2604.12056 --- [LG] The Linear Centroids Hypothesis: How Deep Network Features Represent Data [Rice University & Google Research & Brown University] https://arxiv.org/abs/2604.11962

你有没有想过，要让AI变得更聪明，除了让它“读万卷书”，我们还能不能让它在虚拟世界里“行万里路”，像玩“模拟人生”一样学会物理？当很多聪明的算法凑在一起反而“掉链子”时，我们如何用“乐高积木”的思路化繁为简？这一期，我们将一起探寻几份最新论文带来的启发：从像婴儿一样在“思想实验”中探索世界，到用一张“知识地图”代替“知识词典”来解决复杂问题，甚至让AI学会“自我怀疑”，从而变得又快又好。准备好了吗？让我们一起出发！ 00:00:38 AI版“模拟人生”让机器在虚拟世界里学会物理 00:05:56 从1到N如何让你的数据分析稳上加稳？ 00:12:14 AI养娃我们可能找到了让机器像婴儿一样学习的秘密 00:18:01 高手解决问题，靠的是地图，而不是词典 00:24:14 AI的自我怀疑，一个让大模型又快又好的新思路 本期介绍的几篇论文： [LG] Solving Physics Olympiad via Reinforcement Learning on Physics Simulators [CMU & Lambda] https://arxiv.org/abs/2604.11805 --- [LG] Replicable Composition [University of Maryland & Google Research] https://arxiv.org/abs/2604.10423 --- [LG] Zero-shot World Models Are Developmentally Efficient Learners [Stanford University] https://arxiv.org/abs/2604.10333 --- [CL] Structure-Grounded Knowledge Retrieval via Code Dependencies for Multi-Step Data Reasoning [Microsoft & Simon Fraser University & University of Science and Technology of China] https://arxiv.org/abs/2604.10516 --- [LG] Introspective Diffusion Language Models [Together AI] https://arxiv.org/abs/2604.11035

你有没有想过，我们能像做微创手术一样，在AI思考的瞬间“拨乱反正”，引导它向善吗？或者，让昂贵的AI训练学会“温故知新”，把扔掉的经验变废为宝？本期节目，我们将一起探索几篇最新论文，看看科学家们如何教会AI遵守自己立下的规矩，如何让它既会“看路”又会“造景”，甚至，如何为它补上一堂生动的物理课，让它的想象力更符合现实。准备好了吗？让我们马上出发！ 00:00:34 给AI的大脑装一个“概念导航” 00:06:53 AI训练的高效秘诀，好东西值得再用一次 00:12:07 如何看穿一个AI的“人设”？ 00:16:56 AI新思路，想看清世界，先学会走路 00:23:07 为什么AI生成的视频总感觉“假”？答案藏在物理学里 本期介绍的几篇论文： [LG] Dictionary-Aligned Concept Control for Safeguarding Multimodal LLMs [University of Pennsylvania & Amazon] https://arxiv.org/abs/2604.08846 --- [LG] Efficient RL Training for LLMs with Experience Replay [FAIR at Meta] https://arxiv.org/abs/2604.08706 --- [CL] Do LLMs Follow Their Own Rules? A Reflexive Audit of Self-Stated Safety Policies [Microsoft] https://arxiv.org/abs/2604.09189 --- [CV] Rays as Pixels: Learning A Joint Distribution of Videos and Camera Trajectories [Meta AI] https://arxiv.org/abs/2604.09429 --- [CV] PhysInOne: Visual Physics Learning and Reasoning in One Suite [vLAR Group] https://arxiv.org/abs/2604.09415

你是否想过，为什么你的AI助理连订张机票都费劲？本期节目，我们将一起给AI来一场“真实世界”的大考，看看它究竟能得多少分。我们还会揭秘如何不给模型动手术，只靠“补课”就让它说话速度提升1.7倍。更有趣的是，我们将看到一个“过时”的技术如何靠“大力出奇迹”王者归来，以及一个“思维越狱”般的巧妙设计，如何让一张显卡也能训练千亿大模型。最后，我们还会认识一支能帮你写论文的“AI管弦乐队”。准备好了吗？让我们马上进入AI前沿的奇妙世界。 00:00:39 你的AI助理，离真正上岗还有多远？ 00:05:50 让AI大模型提速，只需要“补课”就够了 00:10:13 老树发新芽，一个被人小瞧的技术，如何靠“笨办法”王者归来？ 00:15:46 AI的“昂贵误会”，我们都搞错瓶颈了吗？ 00:22:05 你的下一个写作搭档，可能不是一个人 本期介绍的几篇论文： [CL] ClawBench: Can AI Agents Complete Everyday Online Tasks? [University of British Columbia & Vector Institute] https://arxiv.org/abs/2604.08523 --- [CL] MARS: Enabling Autoregressive Models Multi-Token Generation [Nanyang Technological University & Singapore Management University & Uppsala University] https://arxiv.org/abs/2604.07023 --- [CV] LoMa: Local Feature Matching Revisited [Chalmers University of Technology & Linköping University & University of Amsterdam] https://arxiv.org/abs/2604.04931 --- [CL] MegaTrain: Full Precision Training of 100B+ Parameter Large Language Models on a Single GPU [University of Notre Dame & Lehigh University] https://arxiv.org/abs/2604.05091 --- [LG] PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing [Google] https://arxiv.org/abs/2604.05018

如果你的电脑本身就是一个神经网络，没有CPU会怎样？如果AI想学一门手艺，得先让另一个AI给它建个“驾校”呢？本期节目，我们将从五篇最新论文出发，聊聊AI如何从2D世界“透视”三维，如何用量子芯片实现超级压缩，并最终探讨一个直击灵魂的问题：AI正在让我们变聪明，还是变懒？ 00:00:27 你的下一台电脑，为什么可能没有CPU？ 00:09:13 AI想“上岗”，得先过哪一关？ 00:14:57 从“看扁”到“透视”，AI如何拥有3D“世界观”？ 00:20:36 你的下一个U盘，可能是个量子芯片 00:26:12 AI，是你的“外挂”还是你的“拐杖”？ 本期介绍的几篇论文： [LG] Neural Computers [Meta AI] https://arxiv.org/abs/2604.06425 --- [LG] Gym-Anything: Turn any Software into an Agent Environment [CMU] https://arxiv.org/abs/2604.06126 --- [CV] Boxer: Robust Lifting of Open-World 2D Bounding Boxes to 3D [Meta Reality Labs Research] https://arxiv.org/abs/2604.05212 --- [LG] Exponential quantum advantage in processing massive classical data [California Institute of Technolog & MIT & Google Quantum AI] https://arxiv.org/abs/2604.07639 --- [AI] AI Assistance Reduces Persistence and Hurts Independent Performance [CMU & University of Oxford] https://arxiv.org/abs/2604.04721

想让AI更聪明，我们总觉得要给它看更多、学更多，但如果我告诉你，真正的秘诀恰恰相反呢？本期节目，我们将一起探索几篇最新的AI论文，看看科学家是如何教会AI“选择性遗忘”，又是如何给AI做“脑CT”来判断它是不是在“假装努力”。我们还会聊到，如何打造一个能快速学会任何人大脑“方言”的超级解码器，以及怎样只用1%的精力，就让AI帮你“看完”一部长电影。准备好了吗？让我们一起刷新对AI的认知！ 00:00:37 按下删除键之后，东西就真的消失了吗？ 00:06:54 造一把“万能钥匙”？不如当个“超级锁匠” 00:11:24 想让AI更博学？先给它少看点书 00:16:21 给AI做个体检，我们怎么知道它不是在瞎蒙？ 00:22:01 如何只用1%的精力，看完一部长电影的精华？ 本期介绍的几篇论文： [LG] Is your algorithm unlearning or untraining? [Google] https://arxiv.org/abs/2604.07962 --- [LG] Meta-learning In-Context Enables Training-Free Cross Subject Brain Decoding [University of Hong Kong] https://arxiv.org/abs/2604.08537 --- [CL] Cram Less to Fit More: Training Data Pruning Improves Memorization of Facts [Apple & National University of Singapore] https://arxiv.org/abs/2604.08519 --- [LG] Inside-Out: Measuring Generalization in Vision Transformers Through Inner Workings [University of Delaware & George Mason University] https://arxiv.org/abs/2604.08192 --- [CV] Small Vision-Language Models are Smart Compressors for Long Video Understanding [Meta AI] https://arxiv.org/abs/2604.08120

你敢让AI帮你摇号抽奖吗？本期节目，我们将从几篇最新的AI论文出发，揭示AI在“随机”这件事上出人意料的偏见。接着，我们会探讨如何像一位拥有全局智慧的CEO一样，给臃肿的AI模型进行“精准裁员”，并学习AI沟通中“优雅打断”的高效密码。最后，我们将一起探寻AI是否存在“思想深度的天花板”，以及如何把一个“笨徒弟”模型，调教成一位善用工具的“老师傅”。准备好了吗？让我们一起潜入AI的前沿思想深海！ 00:00:42 为什么你老板让你用AI摇号，你得多个心眼？ 00:06:07 从“平均砍”到“精准剪枝”，AI瘦身中的全局智慧 00:12:10 沟通的高效密码，如何优雅地“打断”别人 00:18:04 AI的“思想深度”有没有天花板？ 00:24:24 如何把一个“笨徒弟”，调教成“老师傅”？ 本期介绍的几篇论文： [CL] The Illusion of Stochasticity in LLMs [Google DeepMind] https://arxiv.org/abs/2604.06543 --- [CL] Does a Global Perspective Help Prune Sparse MoEs Elegantly? [University of Rochester & Flatiron Institute] https://arxiv.org/abs/2604.06542 --- [CL] Learning to Interrupt in Language-based Multi-agent Communication [CMU & Meta FAIR] https://arxiv.org/abs/2604.06452 --- [LG] The Depth Ceiling: On the Limits of Large Language Models in Discovering Latent Planning [University of Cambridge & Imperial College London & MIT] https://arxiv.org/abs/2604.06427 --- [CL] Tool-MCoT: Tool Augmented Multimodal Chain-of-Thought for Content Safety Moderation [Google & Stanford University] https://arxiv.org/abs/2604.06205